基于用户访问模式的个性化远程教育系统研究.pdfVIP

第 卷 第 期 重庆科技学院学报 自然科学版 年 月 基于用户访问模式的个性化远程教育系统研究 陈华月 裴仰军 蒲 静.西华师范大学,南充; .重庆科技学院,重庆摘 要:针对以往网络教育中不能根据学习者兴趣度为其提供个性化服务的弊病,采用的钩子函数对浏览 器进行改造。通过对用户访问模式进行挖掘,计算用户兴趣度,并在此基础上提出一种新的个性化远程教育模型。 关键词:个性化推荐;用户访问;数据挖掘;远程教育 中图分类号: 。 文献标识码: 文章编号: ? ? ? 随着互联网和现代远程教育系统的迅速发展, 先对数据进行清洗,去掉一些不必要的信息,保留一 网络教育和学习模式相继出现。与传统的教学方式 些能表示用户对该页面的访问模式相关的信息。通 相比,网络教育和学习模式要求有新的教学方法和 常情况下,保留以下信息作为模式挖掘的相关信息: 新的角度去引导学生的学习方式 ,远程教育系统必 请求页面的完整地址: 页面的类型: 须主动满足学生的个性化要求。在目前各种远程教 在页面上的停留时间: 育系统中,很多系统都是一味将知识呈现给学习者, 即对每个学习者其系统提供的学习路径.学习模式拉滚动条的次数: 都基本一致,缺乏针对性的个性化服务。而有的系 页面被访问的次数: 统虽在一定程度上能给学习者提供学习内容的推 页面的字节数 荐,但却建立在学习者经过一段时间学习的基础之 有研究表明.用户对一个学习页面是否感兴趣 上,很少能根据学习者的学习特征,动态的为其规划 与该用户浏览该页面时所表现出来的浏览行为密切 学习路径,满足学习者的个性化学习需要。 相关.而能反映用户浏览兴趣的浏览行为主要有两 本文通过分析当前远程教育系统中的不足,通 种:在网页 上的浏览时间 简称珩 为 和翻页/ 拉动滚动条次数 ㈣ 简称 行为 。 过对学习者的访问模式进行挖掘,收集学习者信息 特征,进而隐式地收集学习者的学习兴趣.并基于对 模式识别阶段。用户在通过远程教育系统进 其访问模式挖掘结果设计推荐算法.使之能为学习 行自主学习时.不是他所浏览的所有页面都是他所 者提供个性化学习服务。 感兴趣的学习页面。因此在该阶段我们主要利用多 元线性回归方法作为用户访问频繁模式识别分析的 基于用户访问模式的用户兴趣模型建立 工具.通过回归方程计算学习者对浏览页面的兴趣 一 个能提供个性化服务的远程教育系统,必须 度 ,建立学习者的兴趣模型。 能根据学习者的学习特征,挖掘出学习者可能感兴 设 是与
、 有关的随机变量,对尸 、 的每一组值。称 趣的学习内容并及时为其进行推荐服务.并在一定 基础上通过对用户访问模式的挖掘,能动态的为用?口户规划学习路径。 为线性回归方程 , 和 , 称为回归系数即行为 影响因子。 学习者访问模式挖掘,一般通过下面几个步骤 来进行: 模式分析阶段。此阶段我们主要利用前阶段 得到的学习者页面兴趣度来进行模式分析.建立用数据预处理。在进行访问模式挖掘前,需要 收稿日期:? 基金项目:西华师范大学校青年基金项目 作者简介:陈华月一 ,女,硕士,西华师范大学计算机学院讲师,研究方向为 智能检索。?陈华月,裴仰军,蒲静:基于用户访问模式的个性化远程教育系统研究 户兴趣模型。我们采用一个树形结构来表示用户兴 面。这样就可以为学习者提供个性化服务,及时为其 趣模型。首先我们将学习者浏览过的页面集表示成 推荐未学习过的、可能感兴趣的学习内容,以此建立 一 个树形 根据网页标准分类 ,然后利用序列算法 起一个智能化、个性化的远程教育环境。该模型的主 从该树的顶层开始进行聚类,则学习者对分类 的 要模块结构如图 所示。 兴趣大小可表示为∑,并将此作为该树形结构 的叶子结点。 图 基于用户访问模式的个性化远程教育模型 图 用户访问模式挖掘过程模型 协作过滤推荐算法。基于协同过滤技术推荐 系统的核心是为一个需要推荐服务的当前用户寻找 基于用户访问模式的个性化远程教育系统 其最相似的“最近邻居”集。它将正在进行的学习者 利用的钩子函数改造浏览器阎,使学习 行为与以往的学习者相匹配来产生高效的推荐结 者在浏览页面的同时.浏览器能自动记录学习者的 果,即通过首先发现邻居与目标学习者相近的已有 浏览行为信息。这些信息包括:学习者浏览页面停 学习者来产生个性化的推荐。一般来说它通过后台 留时间;学习者在页面上滚动鼠标次数;页面的类 数据库技术产生目标学习者的最近邻学习者。最近 型;页面的完整等等。通过这种方式能隐式地收 邻学习者集合,是根据学习者的浏览行为对其进行 集到学习者大量的浏览信息.并且在此过程中不打 模式挖掘分析后找到的与其兴趣最相似的Ⅳ个学习 扰学习者。通过对学习者访问信息的挖掘,对每个 者的集合。在协作过滤推荐中即把该用户的最近邻 学习者建立学习兴趣